Satellitter og kortlægning fra rummet

Satellitter og kortlægning fra rummet Et materiale til undervisning i Geovidenskab A Philip Jakobsen, 2014 Spørgsmål og forslag til forbedringer sendes til: pj@sg.dk 1

Indhold Indledning... 3 Måling på afstand... 3 Remote sensing benytter andet end synligt lys.... 3 Refleksion og emission... 4 Falske farvebilleder... 5 Når stråling rammer overflader... 6 Spektral signatur:... 7 Landsat... 10 Vegetationsindekset (NDVI-indeks):... 11 Vigtige egenskaber ved et digtalt satellitbillede... 12 Når lys passerer gennem Jordens atmosfære... 13 Jævn cirkelbevægelse.... 15 Opsummering... 17 Geostationære satellitter:... 18 Polarorbiterende satellitter... 18 Remote sensing øvelse 1: Klimaovervågning i Nordgrønland... 19 Remote sensing øvelse 2: Undersøgelse af vegetation på satellitbilleder.... 19 Motivation... 20 Målet med øvelsen:... 20 Fremgangsmåde:... 20 HENT PROGRAM... 21 HENT DATA... 21 1. Overblik, forskellige falskfarve kombinationer... 21 2. Måling af spektrale signaturer... 23 3. Kortlægning af isens udbredelse... 24 4. Arealopgørelse... 29 2

Remote Sensing Kortlægning af Jorden fra Satellit. Indledning Remote sensing (også kaldet telemåling) er en metode til at indhente informationer om overflader uden at røre ved dem. Man mærker altså på afstand. I praksis er det en fællesbetegnelse for målinger af Jorden indhentet af satellitter. Der findes mange forskellige typer af data som kan indsamles fra satellit: måling af lokale variationer i Jordens tyngdefelt, reflekteret lys, radiostråling mm. Vi vil i det nedenstående koncentrere os hvordan overfladers refleksion af solens stråling kan bruges til miljøovervågning som eksempelvis Landsat satellitten gør. Lidt forsimplet kan man sige, at man i denne metode anvender billeder fra et avanceret fotografiapparat monteret på en satellit der kredser om Jorden. Lad os derfor starte med at se lidt nærmere på et foto vist på figur 2. Figur 1: Landsat 7 satellitten optager multispektrale satellitbilleder fra 705 kilometers højde. På baggrund af disse billeder er det muligt at overvåge eksempelvis ørkenspredning, snedække og meget mere. Måling på afstand Fotografiet på figur 2 er et eksempel på måling på afstand. Her er vist hvordan det er muligt at konstruere et infrarødt (IR) billede af en bygnings temperaturfordeling. Dermed kan man se hvilke områder af huset der er dårligt isoleret, idet disse vil fremstå med en høj temperatur. IR-kameraet opfanger den elektromagnetiske stråling der kommer fra bygningen i form af varmestråling (IRstråling). På den måde er det muligt at drage konklusioner om bygningens isolering helt uden at røre ved bygningen. Men faktisk er det almindelige foto af bygningen også et eksempel på en slags remote sensing. Her opfanger det almindelige kamera det reflekterede sollys fra bygningen og sætter det sammen til et foto. På den baggrund kan vi måle og opnå viden om bygningen helt ud at røre ved den. Men hvad er forskellen på de to billeder? Der er flere forskelle: Figur 2: Optagelse af termografisk billede. Kameraet opfanger varmestråling fra bygningen og omsætter dette til et billede. Kilde http://arne-birk.dk Remote sensing benytter andet end synligt lys. I tilfældet med varmekameraet opfanger kameraet elektromagnetisk stråling som ikke er synligt for mennesker. Hvis vi ser på elektromagnetiske spektrum (figur 4) er det tydeligt at det kun er en lille del af det elektromagnetiske Figur 3: IR-billede af Jorden. Kilde: http://sci.esa.int/rosetta/46276-virtis-view-of-the-earth-ir-2/ 3

spektrum der er synligt for os. I remote sensing benytter man også dele af spektret som ikke kan ses af mennesker. Som i tilfældet med IR-kameraet kan man jo fint lave en kunstig farveskala som vi så kan se. Ved at sætte et IR-kamera på en satellit vil man altså kunne måle overfladetemperaturen præcis som på figur 2. Remote sensing benytter især det synlige område samt det infrarøde område af det elektromagnetiske spektrum. Figur 4: Det elektromagnetiske spektrum. Refleksion og emission Remote sensing udnytter den stråling der kommer fra en overflade enten på grund af refleksion eller emission. En anden forskel mellem det almindelige kamera og IR-kameraet er at et almindeligt kamera opfanger det lys som reflekteres fra overfladen. Det vil sige vi skal have Solen til at lys for os. Derfor kan man ikke tage almindelige billeder når det er mørkt. Et IR-kamera virker derimod også i mørke. For det er ikke Solens lys der reflekteres. Det er varmen i bygningen som skaber den elektromagnetiske stråling, som udsendes så IR-kameraet kan modtage det. Derfor kan man fint tage IR-billeder i mørke. Ja faktisk bliver de bedst når det er mørkt! Den stråling en satellit modtager fra Jorden i dagslys vil således være en blanding af refleksion af Solens lys samt emission af varmestråling fra Jordens overflade. Figur 5: Teoretisk fordeling af henholdsvis Solens indstråling og Jordens udstråling som funktion af bølgelængde. Bemærk at x-aksen er logaritmisk. Bølgelængder over 0,7 µm kaldes IR-stråling som igen opdeles i undergrupper. IR-stråling med bølgelængder over 3 µm kaldes termisk IR-stråling indenfor remote sensing. Dette skyldes at strålingen hovedsageligt kommer fra Jordens termiske udstråling repræsenteret ved den sorte top. 4

IR-stråling dækker området med bølgelængder fra ca. 0,7 μm (10-6 m) til 100 μm. Intervallet af IR-stråling dækker altså et område som er 100 gange bredere end den synlige del af spektret! Man opdeler IR-stråling efter deres strålingsegenskaber. Den reflekterede IR-stråling som stammer fra Solens indkomne stråling og den IRstråling der stammer fra Jordens emission - kaldet termisk IR-stråling. Den del af IR-strålingen som stammer fra reflekteret sollys har bølgelængder som ligger i intervallet: 0,7 μm til 3,0 μm. Denne stråling kan altså ikke bruges til bestemme overfladernes temperature, men bruges sammen med det reflekterede lys til at identificere overfladerne (se afsnittet om spektral signatur nedenfor). Den termiske IR-stråling har bølgelængder fra 3,0 μm til 100 μm. Denne stråling kan udelukkende benyttes til at bestemme overflades temperatur. Figur 5: Eksempel på et falsk farvebillede. Kilde: http://content.csbs.utah.edu/~pdennison/geog3110.html Falske farvebilleder Remote sensing kan kombinere forskellige frekvensområder hvorved der kan skabes farvebilleder og falske farvebilleder. En anden forskel mellem de to billeder er at farvefotoet er konstrueret ved at tage tre billeder og sætte dem sammen. I et almindeligt kamera sidder der således tre forskellige typer sensorer. En der er følsom over for hhv. blåt, grønt og rødt lys. Disse kombineres så til ét farvebillede. Man kan i princippet bytte om på farverne så rød fremstår blå osv. I sådanne tilfælde kalder man det for et falsk farvebillede. Et eksempel er vist på figur 5. Billedet på figur 1 repræsenterer altså i virkeligheden fire forskellige områder af det elektromagnetiske spektrum. Rød, Grøn, Blå og IR. Disse fire bånd kan kombineres på kryds og tværs i et falsk farve billede. Hvorved man eksempelvis kunne få bygning til at fremstå rødlig i de områder hvor bygningen afgiver meget IR-stråling. Mere om dette i afsnittet om spektral signatur. (Se nedenfor) Figur 6: Et farvebillede er sammensat af tre billeder. Rød, Grøn og Blå. Alle farver på en computerskærm gengives ved at kombinere de tre grundfarver. Et sort-hvidt billede er derimod kun et enkelt billede. Når man tager et farvefoto sættes tre billeder sammen i ét. 5

Når stråling rammer overflader Når sollysets stråling rammer en overflade kan der ske tre ting: absorption (A), transmission (T) og reflektion (R). Energien fra den indkomne stråling vil således opdeles på de tre processer. Hvordan fordelingen vil være afhænger af hvad det er for en overflade, men også af bølgelængden for den indkomne stråling. Absorption (A) sker, når stråling (energi) absorberes overfladen, mens transmission (T) sker for den del af strålingen som passerer gennem overfalden (eksempelvis et blad). Refleksion (R) opstår, når stråling kastes tilbage fra overfladen i en given retning. For refleksion sker der altså ikke en optagelse af strålingsenergien. Figur 7: Skitse af reflekteret, absorberet og transmitteret stråling. I remote sensing er vi mest interesseret i at måle på den reflekterede stråling. Man taler om to typer af refleksion, som repræsenterer de to ekstreme ender af den måde, hvorpå energi reflekteres fra en overflade: spejlrefleksion og diffus refleksion. Når en overflade er glat får man spejlende eller spejllignende refleksion, hvor næsten al energien er rettet væk fra overfladen i en enkelt retning (figur 8 nederst). Diffus refleksion opstår, når overfladen er ru, og energien spredes i alle retninger (figur 8 øverst). De fleste af Jordens overflader ligger et sted mellem et perfekt spejlende og en diffus reflektor. Om en overflade reflekterer stråling spejlende eller diffust afhænger af overfladens ruhed i forhold til bølgelængden af den indkommende stråling. Hvis bølgelængder er meget mindre end overfladens variationer eller overfladens partikelstørrelser, vil diffus refleksion dominere. For eksempel ville finkornet sand synes temmelig glat for mikrobølger (stor bølgelængde), men synes ganske ru for synligt lys (korte bølgelængder). Denne forskel i overfladens ruhed bruges i remote sensing blandt andet til at kortlægge udbredelsen af havis. Da den reflekterede stråling fra en overflade ikke tilfører energi til en overfladen opvarmes overfladen kun af den absorberede del af strålingen. Dette kender vi fra begrebet albedo som jo netop er defineret som: Albedo = reflekteret lysenergi indsendt lysenergi Begrebet albedo bruges ikke mindst i klimasammenhæng da det jo forholder sig til forholdet mellem reflekteret og tilført energi fra Solens lys. Ændres albedo som følge af forandringer på Jordens overflade har det i sidste ende konsekvenser for Jordens temperatur. Begrebet albedo ser på forholdet mellem refleksion og indsendt lysenergi uden at skelne mellem hvad der sker ved forskellige bølgelængder. Man kan derfor godt have en rødlig overflade og en grønlig overflade som har samme albedo. De reflekterer lyset forskelligt, men mængden af Figur 8: Øverst. Et hvidt papir har en høj refleksion - det er derfor det fremstår hvidt. Men der er tale om diffus refleksion på grund af rugheden af papiret. Derfor kan man ikke spejle sig i et stykke papir selv om det meste lys kastes tilbage. Nederst: En blank metaloverflade kan spejle. Den har en høj refleksion ligesom det hvide papir. Men fordi overfladen er blankpoleret vil den have en retningsbestemt refleksion i modsætning til det hvide papir. Dermed spejler den lyset der rammer overfladen så indfaldsvinkel er lig udfaldsvinkel. Det gør at man kan spejle sig i blanke overflader. Foto: http://laserbeamproducts.wordpress.com/ 6

lysenergi der reflekteres forbliver den samme. Derfor er det tilstrækkeligt at se på et gråtonebillede når man er interesseret i albedo. Men hvad nu hvis man måler refleksionen ved hver bølgelængde? Dette viser sig at være en god idé som leder os frem til begrebet spektral signatur. Spektral signatur: En spektral signatur for en overflade viser hvordan overfladen reflekterer stråling af varierende bølgelængde. Som bekendt reflekterer overflader Solens stråling forskelligt, hvilket vi jo godt kender fra farver. Når en trøje er rød skyldes det at det især er Solens røde farver der reflekteres mens de andre farver absorberes. Men ikke kun det synlige område af Solens stråling varierer. Refleksionen i IR-området kan også være meget forskellig. For at forstå dette nærmere ser vi på interaktionen af lys og IR-stråling for henholdsvis vegetation (blade) og vand. Solens interaktion med vegetation (blade) En kemisk forbindelse i blade kaldet klorofyl absorberer meget af det røde og blå område af Solens stråling. Til gengæld reflekteres meget af de grønne bølgelængder. Blade vises "grønnest" for os i løbet af sommeren, når klorofylindholdet er på sit maksimum. I efteråret, der er mindre klorofyl i bladene, så der er mindre absorption og forholdsvis mere refleksion af de røde bølgelængder. Dette får bladene til at fremstå røde eller gule (gul er en kombination af røde og grønne bølgelængder). Den interne struktur i blade fungerer som fremragende diffuse reflektorer for det nær-infrarøde område af Solens stråling. Hvis vores øjne var følsomme over for nær-infrarødt ville træer forekommer meget lyse for os ved disse bølgelængder. Faktisk benytter forskere måling af refleksion i det nær- Infrarøde område til at bestemme sundhedstilstanden for et vegetationsområde. Figur 9: Solens strålings interaktion med vegetation (et blad). Grønt lys (G) samt det nærinfrarøde (IR) reflekteres mens rødt (R) og blåt (B) lys absorberes af bladenes klorofyl og bruges til fotosyntese. Solens interaktion med vand (hav) Vand absorberer mere af de rødlige farver og IR-stråling end de blålige farver med kortere bølgelængde. Derfor ser vand som regel blåt eller grønligt ud da lys med disse bølgelængder reflekteres mere. Desuden vil vand fremstå mørkere hvis man ser i de rødlige lys og IR-området af spektret - simpelthen fordi mindre energi reflekteres i dette område (figur 10 venstre). Hvis der er sediment (i suspension) i de øverste lag i Figur 10. Refleksion af blåt lys (B), grønt lys (G), rødt lys (R) samt IR-stråling. Venstre: for klart vand (t.v.) Højre: vand med sediment i suspension (S). vandet (havet) vil det give bedre refleksivitet og et lysere udseende af vandet (figur 10 højre). Den tilsyneladende farve af vandet vil ændre sig svagt mod længere bølgelængder. Er der meget sediment i vandet vil det derfor fremstå brunt. Vand med suspenderet sediment (S) kan let forveksles med lavvandet 7

(men klar) vand, da disse to fænomener synes meget ens. Klorofyl i alger absorberer flere af de blå bølgelængder og afspejler de grønne, hvilket gør vandet fremstår med mere grøn farve, når alger er til stede. Om overfladen er ru eller glat på grund manglende bølger kan også have en indflydelse på den refleksion man ser fra satellit. Pointen med de to ovenstående eksempler er at vise hvorledes refleksionen ved de forskellige bølgelængder afhænger af en række specifikke forhold ved den konkrete overflade. Kender vi til overfladers absorption, transmission og refleksion eksperimentelt under forskellige forhold er det muligt at udnytte dette til kortlægning. Altså gå fra satellitbilleder baseret på den reflekterede stråling til en tolkning af hvilke processer/overflader der er tale om i det givne område. Ved at måle den energi, der er reflekteres (eller udsendes) af overflader på Jorden over et bredt spektrum af forskellige bølgelængder, er det muligt at sammensætte en spektral signatur for en given overflade. Forskellige overflader har forskellig spektral signatur. Når dette udnyttes kan vi kortlægge forskelle som ellers ikke var synlige for os. Eksempelvis er det muligt at skelne en normal fodboldbane fra en der er lavet af kunstgræs (figur 12). Metoden giver helt generelt mulighed for at overvåge ændringer i Jordens overfalde hvad enten det er ørkenspredning, skovrydning eller ændring af snedække. Vi vil se nærmere på miljøsatellitten LANDSAT. Figur 11: Spektral signatur for vegetation (grøn) og vand (blå). Bemærk den store forskel mellem refleksionen for det nærinfrarøde område (0,75-0,8 µm). Man kan altså let skelne vand fra vegetation ved at måle i dette område. Figur 12: To billeder af et stadium. T.v. Normalt farvefoto. T.h. Et falsk farvebillede med nær-ir som rød. Bemærk hvorledes træer og græs lyser rødt på billedet til højre mens kunstgræsset på stadion fremstår mørk. Herved kan vi se at der er tale om kunstgræs. 8

Figur 13: Diagram som viser princippet i multispektral remote sensing. Satellitten opfanger den reflekterede stråling fra jordoverfladen. Strålingen opdeles i forskellige spektrale bånd af satellittens instrumenter. Derved opstår der en række simultane fotooptagelser af et givent område ved forskellig bølgelængde. Disse bånd kan senere i efterbehandlingen sammensættes på forskellig vis og der kan dannes falske farvebilleder som kan bruges til at identificere forskellige overflader. 9

Landsat Landsat satellitterne er miljø-satellitter som NASA har haft i kredsløb siden 1972. De er løbende blevet udskiftet med bedre modeller. Den nyeste hedder landsat 8, og blev opsendt 2013. Den passerer henover Danmark ca. kl. 11.23 lokal dansk tid, hvis du vil ud og vinke :o) Landsat 8 har en opløsning på 30 m, så man kan ikke se de enkelte huse, men man kan godt se marker og byer. Satellitten befinder sig 705 km over jordoverfladen, og den er 16 dage om at fotografere hele Jorden. Landsat 7 blev opsendt i 1999 og er stadig i kredsløb om Jorden. Den gik dog delvist i stykker d. 31 maj 2003, så billederne herefter har sorte striber hvor der mangler data. Det er muligt at hente Landsat-satellitternes multispektrale billeder på hjemmesiden: http://earthexplorer.usgs.gov/ Figur 14: Landsat 8 satellitten under konstruktion. I dag kredser den 705 km over jordoverfladen. Kilde NASA. Landsat 7 Spektralt bånd Bølgelængde Opløsning Bånd 1 - Blå 0,45-0,52 µm 30 m Bånd 2 - Grøn 0,52-0,60 µm 30 m Bånd 3 - Rød 0,63-0,69 µm 30 m Bånd 4 - Nær IR 0,77-0,90 µm 30 m Band 5 - Kort bølgelængde 1,55-1,75 µm 30 m IR Bånd 6 - Termisk IR 10,40-12,50 µm 60 m Bånd 7 - Kort bølgelængde 2,09-2,35 µm 30 m IR Bånd 8 - Pankromatisk 0,52-,90 µm 15 m Figur 15 Oversigt over Landsat 7 satellittens bånd. Kilde: NASA Landsat 8 Spektralt bånd Bølgelængde Opløsning Bånd 1 - Coastal / Aerosol 0,433-0,453 µm 30 m Bånd 2 - Blå 0,450-0,515 µm 30 m Bånd 3 - Grøn 0,525-0,600 µm 30 m Bånd 4 - Rød 0,630-0,680 µm 30 m Bånd 5 - Nær IR 0,845-0,885 µm 30 m Bånd 6 - Kort bølgelængde 1,560-1,660 µm 30 m IR Bånd 7 - Kort bølgelængde 2,100-2,300 µm 30 m IR Bånd 8 - Pankromatisk 0,500-0,680 µm 15 m Bånd 9 - Cirrus 1,360-1,390 µm 30 m Bånd 10 - Termisk IR 10,30-11,30 µm 100 m Bånd 11 - Termisk IR 11,50-12,50 µm 100 m Figur 16 Oversigt over Landsat 8 satellittens bånd. Kilde: NASA 10

Vegetationsindekset (NDVI-indeks): Et af de klassiske anvendelser af remote sensing er kortlægning af vegetationsændringer - eksempelvis som følge af ørkenspredning, skovfældning eller tørke. Levende grønne planter udnytter kun den røde del af solens lys til fotosyntese. Lys med længere bølgelængde end rødt er ikke energirigt nok til at indgå i fotosyntesen. Denne del af sollyset vil derfor blot varme planten unødigt, hvilket kan skade planten. Vegetation har derfor evolutionært udviklet evnen til at reflektere det nærinfrarøde lys (NIR). Dette bruges som tidligere beskrevet til at identificere vegetation. På figur 17 ses hvorledes de spektrale signaturer kan måles med de spektrale kanaler på LANDSAT-satellitten. Man har indført en standard for undersøgelse af hvor meget vegetation der er i et område gennem det såkaldte NDVIindeks som beregnes således: (NIR RØD) NDVI = (NIR + RØD) Her står RØD og NIR er refleksionen målt i hhv. det røde og det nær-infrarøde område. På landsat 7 satellitten er det hhv. kanal 3 og kanal 4. På LANDSAT 8 satellitten er det ændret til hhv. kanal 4 og kanal 5 jf. figur 16. Bemærk at figur 17 referer til LANDSAT 7. Typiske NDVI-værdier: Et område med vegetation har positive værdier (typisk 0,3 til 0,8) Sne og skyer vil optræde med negative værdier. Vand har lav refleksion både i det nær-infrarøde og røde bånd og vil have NDVI-værdier tæt på 0. Jord har derimod størst refleksion i det nærinfrarøde vil derfor fremstå med lave værdier. De fleste menneskeskabte overflader som beton osv. har tilsvarende lave værdier. Figur 17: Model for tre overfladetypers refleksion af sollys i forskellige bølgelængder af sollys og i forskellige kanaler i LANDSAT billeder. Bemærk at grøn vegetation har maksimal refleksion i det nærinfrarøde område (kanal 4) mens det har minimal refleksion i den røde lys (kanal 3). Kilde: Naturgeografi - Jorden og Mennesket, GOforlaget. 11

Vigtige egenskaber ved et digtalt satellitbillede Der er nogle egenskaber ved et digitalt satellitbillede som er væsentlige at kende til. Et foto i traditionel forstand registrerer fordelingen af elektromagnetisk energi (lys) som kommer fra et objekt. Den gammeldags fotografiske proces anvender kemiske reaktioner på overfladen af lysfølsomme film. De områder som belyses kraftigst får tilført mest lysenergi. Denne lysenergi får en kemisk reaktion til at forløbe, hvorved den fotografiske plade sværtes (bliver sort). Den videre fotografiske fremkaldelse af billedet fører til, at man i sidste ende står med et foto, hvor lyse områder på fotoet svarer til lyse områder i virkeligheden. Fotografiet er i en forstand en kortlægning af den reflekterede lysenergi i en given situation. Den del af det elektromagnetiske spektrum som der kortlægges i et normalt foto ligger i området 0,3 μm - 0,9 μm. Det svarer således nogenlunde til det synlige område samt en del af den reflekterede infrarøde stråling fra Solen (NIR) (Se figur 5). I modsætning til dette optages satellitbilleder i en række andre bølgelængdeintervaller også (se figur 15 og 16). Disse kortlægger på samme måde fordelingen af elektromagnetisk energi i det pågældende område. Disse kaldes ikke fotos, men satellitbilleder. Satellitbilleder er desuden digitale. I et digitalt format er billedet opdelt i små lige store firkanter, kaldet billedelementer eller pixels. I et digitalt kamera sidder der en lysmåler i hvert lille pixel. Den registrer hvor meget energi den modtager fra den elektromagnetiske stråling i det ønskede område af det elektromagnetiske spektrum. Jo mere energi - jo højere numerisk værdi tildeles en pixel. Værdien en pixel kan antage varierer fra 0 til 255. Nul svarer til at lysmåleren ingen energi har modtaget under optagelsen. Når det Figur 18 Et fotografisk negativ (tv. ) og det endelige foto. Jo lysere et område er på det endelige foto, jo mere elektromagnetisk energi har området tilført den fotografiske film. Kilde: http://www.sephi.com/personal/working-with-anold-wood-camera/ Figur19: Pixel og Pixelværdier for et udsnit af et satellitbillede. Bemærk sammenhængen mellem gråtonen af den enkelte pixel og talværdien til højre. Sort svarer til pixelværdien 0, mens hvis svarer til 255. digitale billede vises af computeren fremstår dette område helt sort. Den maksimale pixelværdi 255 tildeles en pixel, hvis lysmåleren nåede sin øvre målegrænse i optagelsen af billedet. Når billedet vises fremstår dette område som helt hvidt. Tallet som repræsenterer en pixel kaldes for pixelværdien. Da et digitalt billede i virkeligheden er en tabel (matrix) af tal kan disse behandles med matematiske operationer - præcis som andre tal. Eksempelvis kan man lægge værdien 5 til samtlige tal hvorved billedet generelt vil blive lysere. Det er hemmeligheden bag kontrast og lysstyrke som du sikkert kender fra efterbehandling af digitale fotos. I et satellitbillede repræsenterer hver pixel et område - jo flere pixels et kamera jo mindre område repræsenterer hver enkelt pixel. Vi siger at billedet har en opløsning. Det er meget forskelligt hvor god opløsningen er for satellitter. Du har sikkert hørt om spionsatellitter hvor opløsningen skulle være ekstra god. Det vil svare til at hver pixel kun repræsenterer et lille område. Det kan være godt hvis man gerne vil skelne 12

eksempelvis bygninger fra hinanden, men der er også ulemper. Kan du komme på nogen? Figur 20 viser en oversigt over hvordan man inddeles satellitter efter deres rumlige opløsning. Rumlig opløsning Bredde af område repræsenteret af en pixel Satellitnavn (eksempel) Lav 1 km METEOSAT Middel 100 m - 1 km MERIS/ENVISAT Høj 10 m - 100 m LANDSAT Meget høj 10 m QUICKBIRD Figur 20: Tabel med opløsning af forskellige typer satellitter. Når lys passerer gennem Jordens atmosfære Du kan se stjerner om natten - hvis det da ellers ikke er overskyet. Det fortæller os at Jordens atmosfære er gennemsigtig overfor synligt lys. Altså at lyset fra en stjerne kan passere rimelig uhindret gennem atmosfæren og ramme dit øje. Men atmosfæren er ikke helt gennemsigtig. Noget af solens stråling vil blive absorberet af luftens molekyler og når aldrig ned til jordoverfladen. Som et eksempel kan nævnes UVstråling. Denne kortbølgede elektromagnetiske stråling bliver i stor stil absorberet i atmosfæren og kommer kun i mindre grad ned til jordoverfladen. Og heldigvis for det! Den er nemlig skadelig i større mængder 1. Det er atmosfærens indhold af molekylet O 3 (ozon) som især står for denne absorption. Det ses af figur 21 øverst. Den røde tynde streg beskriver den teoretiske fordeling af Solens stråling som burde ramme jordoverfladen. Det farvede røde felt viser det man faktisk måler ved jordoverfladen. Forskellen skyldes absorptionen i atmosfæren. Læg mærke til den store absorption af UVstråling. Men også luftens indhold af andre gasser som CO 2 (kvælstof) og H 2O (vanddamp) absorberer dele af Solens elektromagnetiske stråling. Disse har især betydning for den elektromagnetiske stråling som udsendes fra jordens overflade i form af IR-stråling (varmestråling). Jodens overflade har en meget lavere temperatur end Solens overflade. Derfor er fordelingen af den stråling som udsendes anderledes og kan ses som den blå kurve på figur 21 øverst. Som de ses er der også her stor forskel på den teoretiske kurve (tynde linje) og de faktiske målinger (blå farvede område). Det betyder at 1 Dette kan du læse mere om eksempelvis i afsnittet: Solbadning - et haglvejr mod huden! i bogen Aktiv Fysik C, L&R uddannelse. Figur 21: Stråling og atmosfæren. Det atmosfæriske vindue, Kilde: www,globalwarmingart.com 13

atmosfæren på ingen måde er gennemsigtig for den IR-stråling som jorden udsender. Dette er drivhuseffekten! Studer selv figur 21 og undersøg hvilken gas der er den værste drivhusgas. At atmosfæren ikke er helt gennemsigtig har to konsekvenser i forhold til remote sensing: 1) Det er muligt at måle på indholdet af usynlige gasser ved at udnytte dele af sollysets spektre som absorberes af disse gasser. Et eksempel er vanddamp. 2) Ønsker man at studere overfladen af jorden skal man huske at man både ser et aftryk af jordoverfladen samt atmosfæren når man måler fra satellit. Den del af det elektromagnetiske spektrum som ikke absorberes i atmosfæren kaldes for det atmosfæriske vindue. Figur 22: Satellitbillede taget af den geostationære vejrsatellit Meteosat 7. De lyse områder er områder med høj koncentration af vanddamp, mens områder med tør luft fremstår sorte. Bemærk vanddamp kan ikke ses med synligt lys da lyset blot passerer hvorimod bestemte dele af IR-spektret absorberes. De lyse områder er altså ikke skyer selv om der godt kan være skyer i de samme områder. HUSK: Absorption og emission af elektromagnetisk stråling sker ved at atomer eller molekyler henholdsvis optager og udsender en foton med en bestemt energi. Præcis som beskrevet i Bohrs atommodel. Det er beskrevet i din fysikbog. 14

Satellitters kredsløb om Jorden I det foregående har vi set på hvordan det er muligt at overvåge Jordens overflader ved at opfange elektromagnetisk stråling fra Satellitter. Nogle typer data vil man gerne have i stor rumlig opløsning mens andre stor tidslig opløsning. Spørgsmålet er hvordan man designer satellitternes omløb så man opnår de ønskede data. For at forstå de betingelser man har for dette, må vi først se på fysikken bag en satellits kredsløb. Jævn cirkelbevægelse. Hvis man binder en sten i en snor og holder den ud i strakt arm, hænger stenen nedad - kedeligt! Det er fordi, Jordens tyngdekraft trækker i stenen. Stenen hænger stille fordi der er en nøjagtig balance mellem tyngdekraften og den modsatrettede snorkraften. Så snoren hiver i stenen lige så meget som tyngdekraften ligesom Newtons 3. lov foreskriver det. Hvis man hænger en meget tung sten i en tynd snor knækker snoren. I et sådant tilfælde kunne snoren ikke levere den nødvendige snorkraft til at modvirke tyngdekraften! Men hvis man begynder at slynge stenen rundt som på figur 23 vil den hæve sig. Slynger man rigtig hurtigt, vil snoren næsten være vandret. Stenen slynges udad i den cirkelformede bevægelse og på den måde holdes stenen oppe. Man kan tale om, at stenen er påvirket af en kraft, fordi stenens retning ændrer sig hele tiden. Slipper man snoren, kan man konstatere at stenen flyver i en lige linje, så snart man slipper snoren. Det er altså snorens trækkraft, som leverer ændringen i hastighedens retning. I tilfældet med satellitter er det ikke en snorkraft, men Jordens tyngdekraft, der holder satellitter i en cirkulær bevægelse. For en jævn cirkulær bevægelse kalder man den indadgående kraft for centripetalkraften (figur 24). Set fra en satellits synspunkt må der også være en udadgående kraft da satellitten jo ellers vil bevæge sig indad på grund af Jordens tyngdekraft. Denne udadgående kraft kaldes centrifugalkraften - og ja det er den som er på spil i når en vaskemaskine centrifugerer tøjet for at slynge vandet ud af tøjet. Den centrifugalkraft som en satellit i jævn cirkelbevægelse oplever kan skrives som: Figur 23: Når man slynger en sten vil den kunne hæve sig som vist på tegningen. Hvis man snurrer hurtigt vil den nærmest rotere vandret. Figur 24: En sten slynges i en snor. F er den kraft som holder stenen i en konstant bane omkring centrum. I dette tilfælde leveres kraften af snoren. Generelt kaldes denne indadgående kraft for centripetalkraften. Bemærk ændringen i retningen for hastigheden v, som giver anledning til en udadgående kraft kaldet centrifugalkraften. Set fra stenens synspunkt er der en perfekt balance mellem den indadgående kraft og den udadgående kraft. Dsderfor vil radius af stenens bane hverken blive større eller mindre hvis farten holdes konstant. m v2 F centrifugal = r (1) 15

Her er m er massen af satellitten, v er farten af satellitten i omløb og r er radius af satellittens bane målt ind til centrum af Jorden. Det vi kan lære af ligning (1) er, at kraften afhænger af farten. Det vil sige, at hvis farten for en satellit aftager, vil centrifugalkraften også aftage. En del satellitter inklusiv rumstationen ISS kredser om Jorden i en højde på nogle få hundrede kilometer (se herunder). I den højde er der faktisk en luftmodstand - om end den er lille! Det betyder at farten v gradvist bliver mindre. Konsekvensen er, at sådanne satellitter gradvist bliver trukket mod Jorden og vil brænde op i Jordens atmosfære. Som konsekvens af dette har satellitter i lavt kredsløb raketter på, så farten kan øges igen når det er nødvendigt (se figur 25). Da man kun har begrænset brændstof om bord, vil en sådan satellits levetid være nogle få år. Satellitter der kredser langt fra Jorden har dog ikke dette problem. Hastigheden v er givet ved omløbsstrækningen divideret med omløbstiden: v = O = 2 π r. Ud fra dette kan T T ligning (1) også skrives som: F centrifugal = m 4 π2 r T (2) Her er Tomløbstiden for satellitten målt i sekunder. Den indadgående kraft F centripetal skyldes som sagt Jordens tyngdekraft også kaldet gravitationskraft eller massetiltrækning. Størrelsen af den er givet ved newtons gravitationslov: M m F t = G (3) r 2 hvor M og m er masserne af de 2 legemer (Jord/satellit), r er afstanden mellem massemidtpunkterne (centrene) af legemerne. G kaldet gravitationskonstanten G = 6,67 10 11 (N m 2 ) kg 2 er en naturkonstant, dvs. den gælder overalt. For en satellit i kredsløb om Jorden vil der være en balance mellem F centrifugal og F t. Derfor kan vi sætte ligning (2) og (3) lig hinanden: F centrifugal = F t m 4 π 2 r T M m = G r 2 Løses denne ligning med hensyn til radius r får vi følgende sammenhæng: 3 G M T2 r = 4 π 2 (4) Overraskende nok afhænger baneradius ikke af massen af satellitten, men kun af Jordens masse (5,796 10 24 kg) og omløbstiden T. 16

Formel (4) er helt generel, så den kan også bruges til at beregne omløbstider om andre planeter, måner og stjerner. Jævn cirkelbevægelse om Jorden Banehøjde Baneradius (r) Omløbstid (T) Fart (v) 100 km 6.478 km 1 t 26 m 7,8 km/s 1.000 km 7.378 km 1 t 45 m 7,4 km/s 10.000 km 16.378 km 5 t 48 m 4,9 km/s 35.800 km 42.178 km 23 t 56 m 3,1 km/s 390.000 km 396.378 km 28 d 17 t 53 m 1,0 km/s Tabel 1: Eksempler på sammenhæng mellem banehøjde, omløbstid og fart jævnfør ligning (4). Opsummering En satellit kredser om Jorden som en konsekvens af en delikat balance mellem Jordens massetiltrækning og satellittens fart. Det er muligt at planlægge en satellits bane og omløbstid ud fra ligning (4). Vi har også set, at forudsætningen for en stabil bane er, at omløbsfarten ikke ændres. Dette kan være problematisk for satellitter der kredser i en højde under 1000 km, da der her er luftmodstand, som gradvist mindsker farten hvorved satellitten taber højde. Som konsekvens af dette må sådanne satellitter have raketter og brændstof med, så de kan øge farten som det eksempelvis kan ses for rumstationen ISS på figur 25. Figur 25: Udviklingen i højde over Jorden (i km) for den Internationale Rumstation. 17

Valg af satellitters bane og højde Der er pt. mere end 1000 aktive satellitter i omløb om Jorden. De har forskellige baner, højde og omløbstid afhængigt af deres funktion. Vi skal her kort se på de væsentligste. Geostationære satellitter: Satellitter med en banehøjde på 35800 km har en omløbstid der svarer til Jordens rotationstid. Hvis man sørger for at omløbsbanen er lige over ækvator står satellitten altid over det samme punkt og kan måle på den samme del af Jorden hele tiden. Den geostationære bane benyttes først og fremmest af meteorologiske satelitter som METEOSAT 7 samt kommunikationssatellitter, der blandt andet bruges til at sprede Figur 26: Omløb af en geostationær satellit. TV-signaler rundt på kloden. Hvis du har en parabol på taget peger den helt sikkert på en geostationær satellit. I forhold til remote sensing er ulempen ved geostationære baner er, at man kun ser den samme del af Jorden og at det sker fra stor højde. Polarorbiterende satellitter Mange af de satellitter som benyttes til remote sensing har en bane der stort set går nord-syd henover polerne. Da Jorden jo samtidigt roterer mod øst vil satellitten kunne måle på hele Jorden i løbet af et stykke tid. Da de fleste remote sensing satellitter måler på overfladers reflection af solens lyse er det afgørende at satellitterne samtidigt kommer henover alle Jordens overflader i dagslys. Vælges satellitbanen omhyggeligt kan man sikre, at der er konstante belysningsforhold på samme tid og sted hver gang satellitten kommer forbi. Dette gør det muligt at sammenligne billeder taget over en årrække eller over nogle dage. Figur 27: Omløb af en polarorbiterende satellit. 18

Øvelser med Landsat billeder I det følgende er der vejledninger til nedenstående to øvelser. Der er links til download af program samt satellitbilleder i vejledningen. Remote sensing øvelse 1: Klimaovervågning i Nordgrønland Remote sensing øvelse 2: Undersøgelse af vegetation på satellitbilleder. 19

Remote sensing øvelse 1: Klimaovervågning i Nordgrønland Bemærk: Følgende opgaver skal besvares skriftligt med dokumentation som en del af en skriftlig aflevering. Vejledning til rapport følger. Motivation Variationer i Jordens Albedo, den planetære albedo, har stor betydning for Jordens klimaudvikling. Albedoværdien defineres som den %- andel af sollyset, som en overflade reflekterer tilbage mod verdensrummet. Den reflekterede værdi bidrager ikke til opvarmning af Jordens overflade, mens den absorberede energi bidrager til opvarmning af Jorden og dermed også atmosfæren. Nogle overfladetyper på Jorden har stor albedo andre har lille albedo. Ændringer i de forskellige overfladetypers udbredelse på Jorden påvirker derfor den planetære albedo. En meget væsentlig overfladetype i denne sammenhæng er udbredelsen af is og sne, da disse har en meget stor albedo værdi. Man overvåger derfor hele tiden sådanne ændringer med satellitter, som på denne måde måler Jordens helbredstilstand. Vi vil derfor prøve at arbejde med et satellitbillede for at lære denne teknologi at kende og selv prøve at kortlægge isens udbredelse og måle albedoværdier for forskellige overflader, herunder is og sne på Grønland, som ligger i randen af den Arktiske is. Målet med øvelsen: I skal forsøge at identificere ændringer i snedækket vha. analyse af satellitbilleder fra hhv. d. 8. Juli 1999 og d. 27 juni 2001. Vi skal ved hjælp af en klassifikation af satellitbillederne finde snedækket i området undersøge om der er sket en ændring fra 1999 til 2001.Der arbejdes med satellitbilleder fra et område i det nordlige Grønland som kan ses herunder: Fremgangsmåde: Vi benytter billeder fra satellitten LANDSAT 7 som har følgende kanaler. Kanal 1 Kanal 2 Kanal 3 Kanal 4 Kanal 5 Kanal 6 Panchromatic: 0,45-0,52 0,52-0,60 0,63-0,69 0,76-0,90 1,55-1,75 2,08-2,35 0,50-0,90 μm μm μm μm μm μm μm 20

Forsøg at identificere hvilke farver man kan tilskrive de enkelte kanaler. Hvordan vil I beskrive den sidste kanal Panchromatic? Vores datasæt består således af 2 forskellige optagelser af 7 forskellige billeder som kan kombineres og analyseres i programmet Multispec. Det ene er optaget i d. 8. Juli 1999 og det andet er optaget to år senere d. 27 juni 2001. HENT PROGRAM Download og installer programmet Multispec som skal benyttes til at analysere satellitbillederne. Det findes både til MAC og PC. Programmet installeres ved at downloade og udpakke filen: https://engineering.purdue.edu/~biehl/multispec/download_win.html https://engineering.purdue.edu/~biehl/multispec/download_mac.html Når du har installeret programmet startes dette ved at trykke på: HENT DATA Download billedfilen: Greenland1999_1-6.tif fra: http://fc.silkeborg-gym.dk/~pj/remote%20sensing/ Senere skal du bruge de andre filer også. Vi vil afprøve forskellige billedbehandlingsteknikker og samtidig kortlægge isens udbredelse og måle albedoværdier for forskellige overfladetyper. 1. Overblik, forskellige falskfarve kombinationer Først gælder det om at få et overblik over området, som billedet dækker. Vi undersøger, hvad der kan ses i billedet, og hvordan de forskellige arealtyper træder frem i forskellige falskfarve kombinationer. Vi vil finde ud af hvad, man kan se i billedet. I Multispec vælges Processor > Display Image og følgende dialog boks kommer frem: I display dialog boksen fokuserer vi på valg af billedkanal til skærmens røde, grønne og blå farve: Her kan man indtaste hvilken af billedets seks kanaler, der skal tildeles henholdsvis rød, grøn eller blå farve på skærmen. Ved forskellige kanalvalg i de tre farver kan man danne forskellige falskfarvede billeder. Eksperimenter med forskellige kanalkombinationer (der er 6 kanaler at vælge imellem ved hver af de 3 skærmfarver). 21

Zoom ind, zoom ud og panorer rundt i billedet. Hvad kan man se i billedet? Hvor stort et areal dækker en pixel? Er der bestemte kanalkombinationer, som er særligt velegnede til at tydeliggøre bestemte overfladetyper? eller bestemte processer i landskabet? Hvilken kanal kombination er bedst egnet til at se isens udbredelse og skelne mellem is-/snedækkede områder og områder uden is og sne? 22

2. Måling af spektrale signaturer En arealtype har bestemte pixelværdier i de 6 billedkanaler. Man siger, at den har sin egen spektrale signatur. En anden arealtype har andre pixelværdier i de seks kanaler, en anden spektral signatur. Vi vil prøve at måle spektrale signaturer for forskellige arealtyper. Derefter vil vi lade billedbehandlingsprogrammet opdele billedet i forskellige arealtyper med forskellige spektrale signaturer og på denne måde kortlægge isens udbredelse. I Multispec kan man måle den spektrale signatur for et areal (en eller flere pixels) ved at vælge Window > New Selection Graph. Et nyt blankt vindue Selection Graph kommer frem. Når man markerer et område i billedet (stiplet firkant) ved at trække med musen, måles den spektrale signatur for de pixels, som ligger indenfor den markerede firkant. Man kan også blot klikke på en enkelt pixel. Så vises den spektrale signatur for netop denne pixel. Figur 1: Model for tre overfladetypers refleksion af sollys i forskellige bølgelængder af sollys og i forskellige kanaler i Landsat billeder. Bemærk at grøn vegetation har maksimal refleksion i det nærinfrarøde område (kanal 4) mens det har minimal refleksion i den røde lys (kanal 3) 23

I billedet ovenfor ses et udvalgt område (stiplet firkant) og i vinduet Selection Graph ses det udvalgte områdes spektrale signatur. Pixelværdien (value) ses på Y-aksen, og kanalnummer ses på x-aksen. Den midterste kurve angiver den gennemsnitlige pixelværdi i det udpegede areal. Prøv selv at aflæse den spektrale signatur for forskellige arealer. Kopier nedenstående tabel over i et word dokument og udfyld den med målte pixelværdier: Spektrale signaturer for forskellige overfladetyper Overfladetype Kanal1 værdi Kanal2 værdi Kanal3 værdi Kanal4 værdi Kanal5 værdi Kanal6 værdi Snedækket is Afsmeltnings zone Is på vand Vand Bar jord 1 Bar jord 2 3. Kortlægning af isens udbredelse Da de forskellige overfladetyper (is, sne, vand, bar jord.) har forskellige spektrale signaturer, kan billedbehandlingsprogrammet automatisk adskille forskellige arealtyper fra hinanden og danne arealer, som består af pixels, som er mest muligt ens og mest muligt forskellige fra pixels i andre arealtyper. Denne proces kaldes Clustering. Derefter måles hvor mange hektar, hver arealtype dækker. 24

Ved at gentage sådanne målinger med mellemrum, kan man følge med i ændringer i isens udbredelse og se, om og hvor meget gletsjerne smelter. Dette er et led i overvågning af ændringer i Jordens klima. Vi vil nu udarbejde et kort over isens udbredelse og måle, hvor mange hektar og hvor stor en procentdel af billedets areal, der er dækket med is og sne. I Multispec vælges Processor > Cluster. I følgende dialogbokse træffes nogle valg, hvis betydning vi ikke skal komme nærmere ind på nu. Udfyld dialogboksene, så de ser ud som nedenstående: Altså: Vælg ISODATA Sæt flueben ved Cluster mask file og ved Image window overlay. Klik OK I næste dialogboks klikkes ved Within eigenvector I Number of clusters skrives 6 I Convergence (%) skrives 99 I Minimum cluster size skrives 7 Øvrige felter ændres ikke. 25

Tjek at der står 1 kasserne med den røde ring. Klik OK Cluster mask file er den fil, som rummer det arealkort, som nu skal dannes. En dialogboks spørger, hvor filen skal gemmes. Angiv et sted hvor du kan finde den igen Billedbehandlingsprogrammet udfører nu en voldsom databehandlingsproces, hvor spektrale signaturer for samtlige pixels i billedet undersøges, og pixels som er næsten ens sættes i grupper (clusters) sammen. Der dannes 6 forskellige grupper (arealtyper), som det blev bestilt i dialogboksen Set ISODATA Cluster Specifications ovenfor. Man kan senere gentage processen med andre antal arealtyper og på denne måde eksperimentere sig frem til det antal, som giver det bedste kort. Åbn den netop gemte cluster fil (arealtype fil) i Multispec ved at vælge File > Open. Det ses, at der nu er dannet 6 arealklasser med navnene cluster 1, cluster2.cluster6. 26

Bemærk! Ovenstående billede er en clusteranalyse jeg har lavet for et andet billede. Jeres vil se anderledes ud. VIGTIGT: Hvis du er utilfreds med hvordan computeren har lavet klassificeringen kan du prøve igen med færre eller flere klasser. Nu gælder det om, at finde ud af, hvilke arealtyper disse klasser repræsenterer. Start med at finde ud af, hvilken klasse, der svarer til vandoverflade. Dobbeltklik på den farvede firkant i signaturforklaringen til venstre og giv den en blå farve. Dobbeltklik på klassens navn og skriv Vand i stedet for Cluster n. Gør ligeledes med den klasse, som repræsenterer sne/is. Find ud af, hvilke arealtyper, de andre clusters repræsenterer og ret legenden til med passende farver og arealtypenavne, så der efterhånden kommer et pænt kort ud af det med en meningsfuld signaturforklaring. TIP! Med Overlay - knappen kan man lægge arealkortet ind over satellitbilledet som er overlay. Ved at tænde og slukke for dette overlay kan man sammenligne kortet med satellitbilledet (evt. i forskellige falskfarve kombinationer). På denne måde kan man finde ud af, hvilke arealtyper de forskellige clusters repræsenterer. Et færdigt eksempel kunne se således ud (for et andet satellitbillede end jeres): 27

Når kortet er tilfredsstillende gemmes det som et skærmdump, som senere sættes ind i den afsluttende rapport. Ved nærmere øjesyn: Mener du, at arealinddelingen er vellykket? Kan du ved at sammenligne med falskfarve billeder finde eksempler på, at forskellige arealer er kommet i den samme arealtype? eller at arealer, som burde ligge i samme arealtyper er klassificeret forskelligt? Undersøg i denne forbindelse, hvordan lys og skygge ved bjergrygge påvirker klassifikationen. Med forbehold for eventuelle unøjagtigheder i det klassificerede kort, kan vi nu opstille en arealstatistik. 28

4. Arealopgørelse Multispec har lavet en arealopgørelse, som hentes frem ved at vælge Processor > List Results I den følgende dialogboks klikkes ud for Area conversion faktor og sættes flueben ud for Text window. Klik OK Herefter ses arealopgørelsen i tekstvinduet (bagved satellitbillede vinduet) i Multispec: 29

Tabellen fra tekstvinduet i Multispec kopieres over i word dokument til brug i den afsluttende rapport. TIP. Du kan ændre enheden for arealet i Options Area Unit. Resultatet med de nye enheder ses ved at vælge Processor List results 5. Gentag punkt 3 og 4 for billedet Greenland2001_1-6.tif 6. Lav en analyse af hvorvidt der er mindre is/sne i 2001 i forhold til 1999? 1. Hvor stor forskel kan i registrere? angives både i procent og i areal (km 2 ) 2. Vurder hvor sikker jeres analyse er? 3. Diskuter hvorvidt I mener at forskellen kan tilskrives den globale opvarmning? (bemærk at billederne ikke er taget på helt samme tidspunkt på året spiller det nogen rolle?). 4. Hvordan kan man undersøge om I har ret? 7. Albedoværdier for forskellige overflader Hvordan måler man albedoværdien af en given overflade type? Vi skal måle mængden af reflekteret sollys. Atmosfæren tilbageholder en mindre del af sollyset pga diverse drivhusgasser i luften. Men netop i de bølgelængder, hvor lyset er synligt slipper lyset (heldigvis) igennem atmosfæren. Det gælder også det nærinfrarøde lys. Landsat satellitten har en pankromatisk kanal, som måler mængden af lys i bølgelængderne 0,45 0,9 mikrometer, som netop omfatter den synlige del af spektret samt det nærinfrarøde lys. Vi kan derfor måle albedoværdien med et pankromatisk billede. Pixelværdierne i det pankromatiske billede ligger i intervallet fra 0-255. Albedoværdier for forskellige overflader ligger i intervallet fra 0-100%. I det pankromatiske billede kan vi aflæse pixelværdierne, som efterfølgende må kalibreres, så de kan omregnes til albedoværdier på en skala fra 0-100. Med billedbehandlingsprogrammet kan vi aflæse pixelværdierne for de forskellige overfladetyper. Åbn det pankromatiske billede (Greenland1999_pankromatic.tif) i Multispec. Klik Window > New Selection Graph og klik på pixels i de forskellige arealtyper, som blev identificeret ovenfor. 30

Aflæs typiske pixelværdier for arealtyperne og udfyld nedenstående tabel i et worddokument til brug i den afsluttende rapport. Arealtype Pixelværdi Albedo for overflade: Middelpixelværdi for overflade i billedet 255 Grunden til at vi dividerer med 255 er at dette er den maksimale pixelværdi. Dette svarer således til en totalreflektion af lyset. Eksempel: 155 255 = 0,61 1. Sammenlign med værdierne i tabellen til højre. Hvis du har målinger fra fysik kan du også sammenligne med disse. 2. Diskuter hvilke problemer der kan være med at benytte satellitbillederne til at bestemme albedo. Til sidst beregnes ændring af den gennemsnitlige albedo for de to billeder: Dette gøres ved at markere hele det panchromatiske billede og finde den gennemsnitlig pixelværdi for hhv. 1999 og 2001. Ændring i albedo må så blive: Ændring i albedo: Middelpixelværdi for hele billedet i 2001 middelpixelværdi for hele billedet i 1999 255 = 31

Remote sensing øvelse 2: Undersøgelse af vegetation på satellitbilleder. Motivation: Som beskrevet i artiklen Planterne rykker mod nord 2 er store dele af den arktiske tundra blevet mere end 1 varmere om sommeren set over de sidste 30 år. Dette giver bedre vækstbetingelser for planter som derfor breder sig og vokser sig større. Dette er kendt som fænomenet Greening of the Arctic 3. Der er fordele ved dette, men der er bestemt også nogle negative konsekvenser. Derfor er det vigtigt at kunne overvåge vegetationen i de arktiske områder for at følge denne udvikling. Dette studeres med remote sensing gennem det såkaldte vegetations indeks NDVI (se nedenfor), som vi vil forsøge at kortlægge i denne øvelse. Mål: Det er øvelsens mål at fremstille et tematisk kort over vegetationsindekset ud fra billeder taget med satellitten LANDSAT 7. Teori: Levende grønne planter udnytter kun den røde del af solens lys til fotosyntese. Lys med længere bølgelængde end rødt er ikke energirigt nok til at indgå i fotosyntesen. Denne del af sollyset vil derfor blot varme planten unødigt, hvilket kan skade planten. Vegetation har derfor evolutionært udviklet evnen til at reflektere det nærinfrarøde lys (NIR). Dette bruges som tidligere beskrevet til at identificere vegetation. På figur 1 ses hvorledes de spektrale signaturer kan måles med de spektrale kanaler på LANDSAT-satellitten. Man har indført en standard for undersøgelse af hvor meget vegetation der er i et område gennem det såkaldte NDVIindeks som beregnes således: NDVI = (NIR RØD) (NIR + RØD) Her står RØD og NIR er refleksionen målt i hhv. det røde og det nær-infrarøde område. På landsat 7 satellitten er det hhv. kanal 3 og kanal 4. Figur 1: Model for tre overfladetypers refleksion af sollys i forskellige bølgelængder af sollys og i forskellige kanaler i LANDSAT billeder. Bemærk at grøn vegetation har maksimal refleksion i det nærinfrarøde område (kanal 4) mens det har minimal refleksion i den røde lys (kanal 3). Kilde: Naturgeografi - Jorden og Mennesket, GOforlaget. NDVI-værdien stiger når koncentrationen af vegetation stiger. Da hver enkel pixel på et LANDSAT-billede repræsenterer et område på ca 30 30 m vil man ikke 2 Berlingske Avis fra 17 april 2013 3 Se eks. nature-nyhed: Concerns over Arctic warming grow http://cybele.bu.edu/download/manuscripts/snydercomment.pdf 32

se enkelte planter. Hvis vegetationen er sparsom i form af enkelte planter med jord imellem vil dette fremstå med lav NDVIværdi. Det skyldes at den stråling LANDSAT-sattellitten modtager fra arealet vil være en blanding af jord og planter. Er arealet derimod helt dækket af vegetation som eks. en græsplæne vil NDVI-værdien for området være høj. Bemærk at NDVI-indekset ikke må forveksles med et procentandel planter. 0,4 betyder altså IKKE 40% planter! Et område som er helt dækket af planter vil kunne opnå et NDVI indeks på ca 0,8. Figur 2: Pixel (firkanter) opnår en stigende NDVI indeks efterhånden som arealet dækkes mere og mere af vegetation. Typiske NDVI-værdier: Et område med vegetation har positive værdier (typisk 0,3 til 0,8) Sne og skyer vil optræde med negative værdier. Vand har lav refleksion både i det nær-infrarøde og røde bånd og vil have NDVI-værdier tæt på 0. Jord har derimod størst refleksion i det nærinfrarøde vil derfor fremstå med lave værdier. De fleste menneskeskabte overflader som beton osv. har tilsvarende lave værdier. Fremgangsmåde Først skal vi afprøve teknikken på et område vi kender til på forhånd. (Dette er altid en god idé). Vi starter med et området i Midtjylland centreret omkring Silkeborg. Billedet er fra 16 april 2013. Der vil derfor være marker som stadig ikke har vegetation. 1) Hent billedet: silkeborg udsnit 16 april 2013.tif på http://fc.silkeborggym.dk/~pj/remote%20sensing/ Bemærk det er er tale om et Landsat 7 billede med de første 6 kanaler. 2) Brug nedenstående fremgangsmåde Sådan laves NDVI-indeks i Multispec til at konstruere et tematisk kort over vegetationsindekset. 3) På det tematiske kort over NDVI-indeks for Silkeborg udsnit 16 april 2013 kan du få et indtryk af værdierne af NDVI indekset for marker, skov osv. Disse kan du få brug for i din vurdering af vegetationen i billedet fra Nordgrønland nedenfor. 33

Nu skal vi undersøge NDVI i billedet fra Nordgrønland: 1) Hent billedet greenland 2001_kanal1-6.tif på http://fc.silkeborg-gym.dk/~pj/remote%20sensing/ 2) Vurder om der er vegetation i billedet og sammenlign med det oprindelige satellitbillede. Figur 3: Placering for satellitbillede Greenland 2001_kanal1-6.tif. Sådan laves NDVI-indeks i Multispec Vælg menuen reformat under processor og dernæst Change Image File format. Dernæst klikkes på Transform data og endelig på New Channel som vist her: Nu skrives C4-C3/C4+C3 i regneudtrykket som vist til højre. Dette er jo netop vores NDVIindeks. C4 repræsenterer Kanal 4 (Nærinfrarød) mens C3 repræsenterer kanal 3 som er rød. Men for at få kontrasten i farverne til at være sammenlignelig med det oprindelige billede skal vi gange med 255 til slut. (Det skyldes at selve NDVI jo giver mellem 0-1, mens et normalt billede har værdier fra 0-255.) Endelig klikkes på ok i begge menuer og billedet gemmes. Sørg for at billedet gemmes med efternavnet.gif Sådan studeres NDVI-billedet Åben billedet som et 1-kanal tematisk billede: Bemærk at man efter billedet er åbnet kan ændre på farveskalaen nederst i venstre hjørne. Her kan man med fordel vælge paletten MODIS_NDVI. Man kan desuden ændre på favevalget ved at dobbelklikke på signaturen. 34